随着气候变化继续影响全球天气模式，干旱情况的频率和严重程度预计会增加，对作物生产构成重大挑战。对于一种重要的谷类作物高粱 (Sorghum bicolor L. Moench) 来说，持绿性状尤为重要，因为它可以衡量一种基因型对开花后干旱条件的耐受程度，而干旱条件对可收获产量至关重要。尽管持绿性状很重要，但迫切需要一种更有效、更准确、更精确的方法来对高粱的持绿性状进行表型分析，以加强育种工作。为了满足这一需求，本研究探索了随机森林和 XGBoost 机器学习模型在高粱持绿性状表型分析中的应用。这些模型提供了定量测量，有可能增强基因组研究并提供额外的好处。虽然与植被指数的相关性有时很高，但它们的可靠性不足以单独使用。相比之下，机器学习模型显示出高比例的遗传变异解释，并且具有很高的可重复性。这些算法生成的值，使植物育种者能够有效地在其持绿育种计划中进行选择。需要进一步研究来评估这些模型在不同环境和遗传物质中的稳健性。此外，将这些模型与其他机器学习方法进行比较将有助于确定基于决策树的模型是否最适合此应用。总体而言，本研究中提出的模型为提高高粱持绿育种计划的效率奠定了良好的基础，但它们需要进一步验证和与其他方法进行比较。

图1  实验的空中田野地图。该空中地图显示了用于本研究的持绿试验的视觉概览。红色框勾勒出研究的具体区域。